Large Discovery Models:LLM 提案+贝叶斯打点的闭环搜索方法
_akhaliq · x · 2026-08-19
论文 Large Discovery Models: learning where to search next 提出迭代式发现循环:LLM 负责提出候选，贝叶斯代理模型为不确定性打分，循环往复地决定「下一步搜哪里」。
在多个领域的实测中，该方法将验证误差降低 2.4 倍、结合能改善 18%,并在程序、蛋白质和分子任务上将目标指标提升 60% 以上。
所属事件:大型发现模型：LLM 提案加贝叶斯打点的闭环搜索(2 条相关)→
「研究」频道最新
- Anthropic 学者将探讨 Claude J-Space 与意识的关系 — RosieCampbell · 2026-08-19
- Transformer 微调中 Warmup 是否已成历史？ — kalomaze · 2026-08-19
- 文章称表格基础模型对企业价值将超过 LLM — ai · 2026-08-19
- 里程碑：AI 辅助证明素数间隙新纪录，逼近孪生素数猜想 — soumitrashukla9 · 2026-08-19
- NVIDIA 发布 PyG 26.07,集成 GNN+LLM 图 RAG 框架 TrueQuery — AllThingsApx · 2026-08-19
- Transformer 推理算力冗余巨大？计算智能的物理下限尚不可知 — prateekj · 2026-08-19